Weather via OpenMeteo (via openmeteo-sh cli; advanced ver)

核心用法

openmeteo-sh-weather-advanced 是一个通过 openmeteo CLI 调用 OpenMeteo 免费天气 API 的高级工具，专为需要超越简单当前/预报查询的场景设计。

主要功能

• 历史数据查询：支持从1940年至今的历史气象数据检索
• 多模型选择：可选择 best_match、era5、era5_land、cerra、ecmwf_ifs 等气象模型
• 细粒度变量控制：覆盖50+气象变量，包括气压、露点、积雪深度、紫外线指数等专业指标
• 智能输出优化：--llm 标志生成紧凑TSV格式，专为LLM消费设计，自动解析天气代码为可读文本
• 灵活时空控制：支持 past-days（回溯0-92天）、forecast-since（从第N天开始预报）等高级参数

显著优点

1. 完全免费无门槛：OpenMeteo API无需注册或API密钥，零成本使用
2. 专业级数据覆盖：提供ECMWF、GFS、ICON等全球主流气象模型数据
3. token效率优化：--llm 输出格式相比标准JSON减少80%以上token消耗
4. 位置智能解析：支持城市名自动地理编码，可通过国家代码消歧（如Portland, US vs Portland, GB）

潜在局限

• 速率限制：免费API存在未明确文档化的请求频率上限，高频调用可能触发限制
• 数据时效性：部分模型（如ERA5）存在1-3个月的数据延迟
• 地理覆盖差异：某些偏远地区或高海拔区域的气象站数据稀疏，模型插值精度下降
• CLI依赖：需本地安装 openmeteo 二进制文件，环境配置存在门槛

适合人群

• 需要历史气象数据的气候研究者、农业分析师
• 追求token效率的AI Agent开发者
• 对气象模型有专业偏好的气象爱好者
• 需要批量获取多地点天气数据的自动化工作流

常规风险

• 数据可靠性：免费服务无SLA保障，关键决策场景应交叉验证官方气象机构数据
• 隐私暴露：城市查询会传输位置信息至OpenMeteo服务器
• 模型一致性：不同气象模型间可能存在显著偏差，跨模型比较需专业判断

核心用法

OpenMeteo Weather Advanced 是一个纯文档型 Skill，通过调用 openmeteo CLI 工具实现对 Open-Meteo 免费天气 API 的高级查询。用户可通过自然语言请求获取当前天气、未来16天预报（支持指定起始日跳过冗余数据），以及1940年以来的历史气象数据。

Skill 支持三种定位方式：城市名自动地理编码（可附加国家代码消歧）、直接经纬度坐标输入。变量选择极为精细，涵盖温度、湿度、降水概率、风速、气压、露点、积雪深度、UV指数等数十项专业指标，并支持按小时/日/当前条件分别筛选。输出格式推荐使用 --llm 参数获取为AI优化的紧凑TSV数据，天气代码自动解析为可读文本。

关键命令包括：weather 用于当前及预报数据（支持 --past-days 获取过往92天记录），history 用于历史数据查询。进阶功能包括多模型选择（ECMWF、ERA5等）、单位制切换（摄氏/华氏、公制/英制）、时区指定，以及通过 --forecast-since 实现精准日期窗口裁剪。

显著优点

零成本高覆盖：Open-Meteo 为全球知名非营利气象数据平台，无需注册或API Key，支持全球任意坐标，数据覆盖1940年至今，大幅降低专业气象数据获取门槛。

极致的令牌效率：--llm 输出格式专为AI场景设计，相比标准JSON减少80%以上令牌消耗；--forecast-since 和参数级过滤避免传输无关数据，适合上下文有限的Agent环境。

专业级数据精度：支持ECMWF、GFS、ICON、ERA5等多种数值天气预报模型对比，提供比消费级API更细粒度的气象变量（如体感温度、气压、能见度、降雪量），满足农业、能源、科研等专业场景需求。

会话智能继承：Skill 规则设计支持跨查询参数记忆——当用户切换城市询问"伦敦呢？"时，自动沿用此前所有自定义变量配置，无需重复设置。

潜在缺点与局限性

外部工具依赖：功能完全依赖预装的 openmeteo CLI 二进制文件，用户需通过 Homebrew、APT 或源码自行安装，增加了部署步骤；工具更新与 Skill 文档可能存在版本错位风险。

无实时数据缓存：每次查询均直接访问远程API，高频调用可能受Open-Meteo速率限制（尽管免费额度较宽松），且完全离线环境无法使用。

地理编码容错有限：城市名歧义依赖 --country 参数辅助，复杂地名（如多语言名称、历史地名变更）可能出现解析失败，需用户提供经纬度兜底。

历史数据模型限制：1940年以来历史数据主要基于ERA5再分析数据，空间分辨率和时效性（通常延迟2-3个月）与实时预报数据存在差异，不适合需要观测级精度的近期历史验证。

适合的目标群体

• 旅行与户外规划者：需要精准到小时的多日降水概率、UV指数判断行程
• 农业与能源从业者：依赖历史气温、积雪、降水量数据进行季节性分析
• 科研人员与数据分析师：需要标准化气象时间序列，用于模型训练或环境研究
• 物流与航运调度：关注特定航线沿线的风速、能见度、气压变化
• 智能家居与IoT开发者：为自动化规则（如雨天关窗、低温预警）获取触发数据

使用风险

性能风险：历史数据批量查询（如整年月度数据）可能产生较大响应体，虽经 --llm 压缩，仍需Agent具备足够的上下文窗口处理TSV解析；极端坐标（极地、远洋）可能因数据缺失返回空结果。

依赖项风险：openmeteo CLI 依赖系统级 curl 和 jq，部分精简容器环境可能缺失；CLI版本迭代若引入破坏性变更，可能导致现有命令语法失效。

数据准确性边界：免费API的空间分辨率（约11-25公里网格）对城市微气候（如热岛效应、山谷风）刻画有限；预报数据随时效延长误差累积，超过7天的预报建议仅作趋势参考。

网络与合规：尽管Open-Meteo承诺非商业用途免费，高频自动化抓取仍需遵守其公平使用政策；Skill本身不处理PII，但用户通过城市名查询可能间接暴露位置偏好，敏感场景建议优先使用经纬度而非地名。